如何打破“ AI炒作周期”并为您的组织做出良好的AI决定|麻省理工学院

Robert Blumofe经常看到人工智能炒作周期：商业领袖听到有关早期AI突破的轶事，将其误认为是一个成熟的用例，担心他们会错过，他们会陷入困境，并最终陷入了收养，并最终会跌入预期。

这是链条：AI成功，戏剧，FOMO和某种形式的失败，akamai执行副总裁兼首席技术官在麻省理工学院技术评论Emtech AI会议。我看到这种情况一次又一次地发生。

在演讲中，Blumofe使用Akamai的AI进化为业务领导者如何打破炒作周期并在其组织之间建立AI流利性的一个例子。” 

他说，员工的敬业度应该是这一策略的核心。今年早些时候，皮尤研究（Pew Research）进行的一项调查发现美国工人中有1个在某种程度上使用AI来完成工作，与大约81％的人相比。 

Blumofe获得了MIT的计算机科学博士学位，他将低收入的AI被视为错过的机会。他说，此时大多数工作都可以从AI中受益。”这是哪些任务最大受益的问题，以及[使用]哪种形式的AI。

他为努力帮助他们的组织获得AI流利的商业领袖提供了四个技巧。

不投资大型语言模型

太多的人仅根据大型语言模型来想到AI，这些模型对数万亿个参数进行了培训，而实际上是专门构建的AI模型更适合解决特定任务。例如，Akamai部署了许多自定义模型来识别和分析潜在的网络安全威胁。” 

在许多方面，LLM是解决某些问题的一种荒谬昂贵的方法。Blumofe说，在企业中很少需要数万亿参数模型。他说，“ DeepSeek的教训之一是，您可以做更多的事情，”他指的是中国初创公司的AI模型比美国竞争对手便宜且计算较少。

不让LLM成功使您的判断力蒙上阴影

Blumofe说，LLM非常适合分类电子邮件，但这是成功的剧院。大多数企业问题还需要更复杂的解决方案，除了编写巧妙的提示以组织结构化数据的基本形式。 

在大多数情况下，LLM是为专门建立解决方案而融合在一起的技术合奏的一部分。例如，Akamai开发了一个聊天机器人，该聊天机器人回答了将客户迁移到新平台的问题，以及对供应商和客户要求提出建议的答复的工具。

探索超越LLM的AI世界

超越使用LLM的一种千篇一律的方法意味着更整体地研究技术。这意味着要知道何时进行深度学习（识别模式）或符号AI（制定逻辑反应）等方法是一个更好的选择。Blumofe说。我认为，从长远来看，这些模型在许多方面都更有可能提供企业价值。

让员工实验

Blumofe说，Akamai已经建立了一个内部沙箱，以允许每个人做自己的事情并与AI一起玩。”这种方法与从数十个建议列表中选择了少数AI飞行员的企业的方法形成鲜明对比。考虑到带宽的使用和计算成本，Akamai的IT团队可能会在某个时候哭泣，Blumofe承认，但直到发生这种情况，他说，他觉得无需评估每个可能的AI用例。

在谈话结束时，布鲁莫夫提出了听众的问题，涉及这样的公司 购物和 Duolingo要求招聘经理证明AI在雇用人类担任该角色之前不能做工作。 

Blumofe说，这些公司正在将尾巴放在狗之前。举证责任应该换成。您要解决的问题是什么？正确的技术是什么？如果是AI，那很棒，但我不认为证明负担应该在于为什么不是ai？

领导AI驱动组织

亲自在麻省理工学院

立即注册